Constrained Nonlinear Optimal Control via a Hybrid BA-SD

رفتار غيرمحدب در سيستم‌هاي غيرخطي، كاربرد تكنيك‌هاي بهينه‌سازي كلاسيك را براي حل اينگونه سيستم‌ها محدود مي‌سازد. در اين مقاله الگوريتم تركيبي به نام BA-SD از تركيب الگوريتم زنبور (BA) با روش شديدترين نزول (SD) براي حل مسايل كنترل بهينه غيرخطي پيشنهاد مي‌شود. علت پيشنهاد اين الگوريتم به‌واسطه سريع بودن همگرايي الگوريتم زنبور در مراحل اوليه و كند بودن آن در مرحله جستجو در اطراف نقطه بهينه است. در حالي كه روش شديدترين نزول داراي قابليت پايين در همگرايي نقطه بهينه محلي و سرعت بالاي همگرايي در اطراف نقطه بهينه كلي و در نتيجه دقت همگرايي بالا است. در الگوريتم پيشنهادي، در مرحله اوليه از فرايند جستجو، الگوريتم زنبور به منظور يافتن يك حل بهينه تقريبي استفاده مي‌شود. در اين حالت، توانايي جستجوي كلي افزايش مي‌يابد. چنانچه مقدار تغيير ارزش كمتر از مقدار از پيش تعريف شده باشد، در فرايند جستجو روش شديدترين نزول براي شتاب بخشيدن به فرايند جستجو و يافتن حل دقيق جايگزين مي‌شود. بدين صورت يافتن حل بهينه از دقت بالاتري برخوردار است. شبيه‌سازي‌ها نشان‌دهنده كارايي الگوريتم پيشنهادي است.

The non-convex behavior presented by nonlinear systems limits the application of classical optimization techniques to solve optimal control problems for these kinds of systems. This paper proposes a hybrid algorithm, namely BA-SD, by combining Bee algorithm (BA) with steepest descent (SD) method for numerically solving nonlinear optimal control (NOC) problems. The proposed algorithm includes the merits of BA and SD simultaneously. The motivation of presenting the proposed algorithm includes that BA is showed to converge to the region that global optimum is settled, rapidly during the initial stages of its search. However, around global optimum, the search process will become slowly. In contrast, SD method has low ability to convergence to local optimum, but it can achieve faster convergent speed around global optimum and the convergent accuracy can be higher. In the proposed algorithm, at the beginning step of search procedure, BA is utilized to find a near optimum solution. In this case, the hybrid algorithm is used to enhance global search ability. When the change in fitness value is smaller than a predefined value, the searching procedure is switched to SD to accelerate the search procedure and find an accurate solution. In this way, the algorithm finds an optimum solution more accurately. Simulations demonstrate the feasibility of the proposed algorithm.